创建用于语义分割的U-Net层gydF4y2Ba
返回U-Net网络。gydF4y2BalgraphgydF4y2Ba
= unetLayers (gydF4y2Ba图象尺寸gydF4y2Ba
,gydF4y2BanumClassesgydF4y2Ba
)gydF4y2BaunetLayersgydF4y2Ba
在网络中包含一个像素分类层,用于预测输入图像中每个像素的分类标签。gydF4y2Ba
使用gydF4y2BaunetLayersgydF4y2Ba
创建U-Net网络架构。您必须使用深度学习工具箱™功能训练网络gydF4y2BatrainNetworkgydF4y2Ba
(深度学习工具箱)gydF4y2Ba.gydF4y2Ba
[gydF4y2Ba
也返回U-Net网络的输出大小。gydF4y2BalgraphgydF4y2Ba
,gydF4y2BaoutputSizegydF4y2Ba
) = unetLayers (gydF4y2Ba图象尺寸gydF4y2Ba
,gydF4y2BanumClassesgydF4y2Ba
)gydF4y2Ba
___gydF4y2Ba= unetLayers (gydF4y2Ba
使用一个或多个名称-值对参数指定选项。将每个属性名用引号括起来。例如,gydF4y2Ba图象尺寸gydF4y2Ba
,gydF4y2BanumClassesgydF4y2Ba
,gydF4y2Ba名称,值gydF4y2Ba
)gydF4y2BaunetLayers(图象尺寸、numClasses NumFirstEncoderFilters, 64)gydF4y2Ba
另外设置输出通道的数量为gydF4y2Ba64gydF4y2Ba
对于第一个编码阶段。gydF4y2Ba
使用gydF4y2Ba“相同”gydF4y2Ba
在卷积层中填充以保持从输入到输出的相同数据大小,并允许使用广泛的输入图像大小集。gydF4y2Ba
使用基于patch的方法无缝分割大图像。您可以提取图像补丁使用gydF4y2BarandomPatchExtractionDatastoregydF4y2Ba
图像处理工具箱™中的功能。gydF4y2Ba
使用gydF4y2Ba'有效的'gydF4y2Ba
使用基于补丁的方法进行分割时,填充以防止边界伪影。gydF4y2Ba
您可以使用使用创建的网络gydF4y2BaunetLayersgydF4y2Ba
培训后GPU代码的功能gydF4y2BatrainNetworkgydF4y2Ba
(深度学习工具箱)gydF4y2Ba.有关详细信息和示例,请参阅gydF4y2Ba深度学习代码生成gydF4y2Ba(深度学习工具箱)gydF4y2Ba.gydF4y2Ba
Ronneberger, O., P. Fischer和T. Brox。U-Net:用于生物医学图像分割的卷积网络。gydF4y2Ba医学图像计算和计算机辅助干预(MICCAI)gydF4y2Ba.卷。9351,2015,pp。234-241。gydF4y2Ba
[2]他,K.,X. Zhang,S. Ren和J. Sun.“深入研究整流器:超越了在想象集分类上的人力水平表现。”gydF4y2BaIEEE计算机视觉国际会议论文集gydF4y2Ba.2015,1026-1034。gydF4y2Ba
pixelClassificationLayergydF4y2Ba
|gydF4y2BaDAGNetworkgydF4y2Ba
(深度学习工具箱)gydF4y2Ba|gydF4y2BalayerGraphgydF4y2Ba
(深度学习工具箱)gydF4y2Badeeplabv3plusLayersgydF4y2Ba
|gydF4y2BaevaluateSemanticSegmentationgydF4y2Ba
|gydF4y2BafcnLayersgydF4y2Ba
|gydF4y2BasegnetLayersgydF4y2Ba
|gydF4y2BasemanticseggydF4y2Ba
|gydF4y2BatrainNetworkgydF4y2Ba
(深度学习工具箱)gydF4y2Ba